クラスごとに学習可能なデータの中心をもとに損失の重み付けを行うPaCoを提案した。最初の教師あり対照学習である、NeurIPS 2020採択のSupConを拡張した手法となっている。

ロングテールの画像分類で、複数の不均衡なデータセットの教師あり対照学習を行い、従来手法を上回る結果。加えて、ImageNetデータセットを全て使用した教師あり対照学習でも高い正解率を確認し、ResNet-200では最高81.8%のTop-1正解率。

主要なターゲットを明確にした手法で、全体を通して優位性も示したため通ったと考えられる。PyTorch実装( https://github.com/dvlab-research/Parametric-Contrastive-Learning )が公開されている。